Перспективы развития СУБД

реклама
Перспективы
развития СУБД
интеллектуальный анализ
данных
• интеллектуальный анализ данных (ИАД), пли
data mining — это процесс выявления
значимых корреляций, образцов и тенденций
в больших объемах данных.
• При работе с большими объемами
накапливаемой информации необходимо
постоянно оперативно отслеживать динамику
рынка, а это практически невозможно без
автоматизации аналитической деятельности.
OLAP
• В бизнес-приложениях наибольший интерес
представляет интеграция методов интеллектуального
анализа данных с технологией оперативной
аналитической обработки данных (On-Line Analytical
Processing, OLAP).
• В основе концепции оперативной аналитической
обработки (OLAP) лежит многомерное представление
данных.
• Термин OLAP ввел Кодд (Е. F. Codd) в 1993 году. В
своей статье он рассмотрел недостатки реляционной
модели, в первую очередь невозможность
«объединять, просматривать и анализировать
данные с точки зрения множественности измерений»,
то есть самым понятным для корпоративных
аналитиков способом
Пример
• Так, измерение Исполнитель может определяться
направлением консолидации, состоящим из уровней
обобщения «предприятие—подразделение-отдел-• служащий».
• Измерение Время может даже включать два
направления консолидации - «год-квартал-месяцдень» и «неделя-день»,
• В этом случае становится возможным произвольный
выбор желаемого уровня детализации информации
по каждому из измерений.
• Операция спуска (drilling down) соответствует
движению от высших ступеней консолидации к
низшим;
• напротив, операция подъема (rolling up)означает
движение от низших уровней к высшим.
Ненормализованные данные
• Следующем новым направлением в развитии систем
управления базами данных является направление,
связанное с отказом от нормализации отношений.
• Во многом нормализация отношений нарушает
естественные иерархические связи Между объектами,
которые достаточно распространены в нашем мире.
• Возможность сохранять их на концептуальном (но не на
физическом) уровне позволяет пользователям более
естественно отражать семантику предметной
• области.
• В настоящий момент уже существует теоретическое
обоснование работы с ненормализованными
отношениями и практические реализации подобных
систем.
объектноориентированные базы данных.
• В объектно-ориентированной парадигме предметная
область моделируется как множество классов
взаимодействующих объектов.
• Каждый объект характеризуется набором свойств,
которые являются как бы его пассивными
характеристиками и набором методов работы с этим
объектом.
• Работать с объектом можно только с использованием
его методов.
• Атрибуты объекта могут принимать определенное
множество допустимых значений, набор конкретных
значений атрибутов объекта определяет его
состояние.
Продолжение
• Множество объектов с одним и тем же набором
атрибутов и методов образует класс объектов.
• Объект должен принадлежать только одному классу
(если не учитывать возможности наследования).
• Допускается наличие примитивных
предопределенных классов, объекты-экземпляры
которых не имеют атрибутов: целые, строки и т, д.
• Класс, объекты которого могут служить значениями
атрибута объектов другого класса,называется
доменом этого атрибута.
Наследование
• Одной из наиболее перспективных черт объектноориентированной парадигмы является принцип
наследования.
• Допускается порождение нового класса на основе
уже существующего класса, и этот процесс
называется наследованием.
• В этом случае новый класс, называемый подклассом
существующего класса (суперкласса), наследует все
атрибуты и методы суперкласса.
• В подклассе, кроме того, могут быть определены
дополнительные атрибуты и методы.
простое и множественное
наследование
• В первом случае подкласс может определяться
только на основе одного суперкласса,
• во втором случае суперклассов может быть
несколько.
• Если в языке или системе поддерживается
единичное наследование классов, набор классов
образует древовидную иерархию.
• При поддержании множественного наследования
классы связаны в ориентированный граф с корнем,
называемый решеткой классов.
• Объект подкласса считается принадлежащим
любому суперклассу этого класса.
• Специфика применения объектноориентированного подхода для организации и
управления БД потребовала уточненного
толкования классических концепций и
некоторого их расширения.
• 1. Возникло направление, которое
предполагает возможность хранения
объектов внутри реляционной БД,
• 2. Часть разработчиков придерживается
мнения о необходимости полного отказа от
реляционной парадигмы и перехода на
объектно-ориентированную парадигму.
темпоральные баз данных
• Следующим направлением развития баз данных
является появление так называемых темпоральных
баз данных, то есть баз данных, чувствительных ко
времени.
• Фактически БД моделирует состояние объектов
предметной области в некоторый текущий момент
времени.
• Однако в ряде прикладных областей необходимо
исследовать именно изменение состояний объектов
во времени,
• Если использовать чисто реляционную модель, то
требуется строить и хранить дополнительно
множество отношений, имеющих одинаковые схемы,
отличающиеся временем существования или снятия
данных.
• Основной тезис темпоральных систем
состоит в том, что для любого объекта
данных, созданного в момент времени
t1 и уничтоженного в момент времени
t2, в БД сохраняются (и доступны
пользователям) все его состояния во
временном интервале [t1, t2).
Дедуктивные базы данных.
• Еще одним из перспективных направлений развития баз данных
является направление, связанное с объединением технологии
экспертных систем и баз данных и развитие так называемых
дедуктивных баз данных.
• Эти базы основаны на выявлении новых знаний из баз данных
не путем запросов пли аналитической обработки, а путем
использования правил вывода и построения цепочек
применения этих правил для вывода ответов на запросы,
• Для этих баз данных существуют языки запросов, отличные от
классического SQL.
• В экспертных системах также знания экспертов хранятся и
форме правил, чаще всего используются так
• называемые продукционные правила типа «если описание
ситуации то описание действия».
Экспертные системы
• Экспертная система — это программа для компьютера,
которая оперирует со знаниями в определенной
предметной области с целью выработки рекомендаций или
решения проблем.
Технология экспертных систем является одним из направлений
новой области исследования, которая получила наименование
искусственного интеллекта (Artificial Intelligence — AI).
• Исследования в этой области сконцентрированы на разработке
и внедрении компьютерных программ, способных эмулировать
(имитировать, воспроизводить) те области деятельности
человека, которые требуют мышления, определенного
мастерства и накопленного опыта.
• К ним относятся
• задачи принятия решений,
• распознавания образов и
• понимания человеческого языка.
типовые задачи решаемые
экспертными системами
• извлечение информации из первичных данных (таких как
сигналы, поступающие от гидролокатора);
• диагностика неисправностей (как в технических системах, так и
в человеческом организме);
• структурный анализ сложных объектов (например, химических
соединений);
• выбор конфигурации сложных многокомпонентных систем
(например, распределенных компьютерных систем);
• планирование последовательности выполнения операций,
приводящих к заданной цели (например, выполняемых
промышленными роботами).
Характеристики экспертных
систем
• Моделирует не столько физическую (или иную) природу
определенной проблемной области, сколько механизм
мышления человека
• Система, помимо выполнения вычислительных операций,
формирует определенные соображения и выводы,
основываясь на тех знаниях, которыми она располагает.
• Знания в системе представлены, как правило, на
некотором специальном языке и хранятся отдельно от
собственно программного кода, который и формирует
выводы и соображения.
• Этот компонент программы принято называть базой
знаний.
• Экспертная система должна обладать способностью
объяснить, почему предложено именно такое решение, и
доказать его обоснованность.
Базовые функции экспертных
систем
•
•
•
•
Приобретение знаний
Представление знаний
Управление процессом поиска решения
Разъяснение принятого решения
Скачать